PairwiseKernel

classsklearn.gaussian_process.kernels.PairwiseKernel(gamma=1.0, gamma_bounds=(1e-05, 100000.0), metric='linear', pairwise_kernels_kwargs=None)[исходный код]

Обёртка для ядер из sklearn.metrics.pairwise.

Тонкая обёртка над функциональностью ядер из sklearn.metrics.pairwise.

Примечание: вычисление eval_gradient выполняется численно, а не аналитически; все

ядра поддерживают только изотропные расстояния. Параметр gamma считается гиперпараметром и может быть оптимизирован. Остальные параметры ядра задаются непосредственно при инициализации и остаются неизменными.

Добавлено в версии 0.18.

Параметры:

gammafloat, по умолчанию=1.0

Параметр gamma попарного ядра, заданного с помощью metric. Он должен быть положительным.

gamma_boundsпара вещественных чисел >= 0 или “fixed”, по умолчанию=(1e-5, 1e5)

Нижняя и верхняя границы для «gamma». Если задано значение “fixed”, «gamma» нельзя изменить во время настройки гиперпараметров.

metric{“linear”, “additive_chi2”, “chi2”, “poly”, “polynomial”, “rbf”, “laplacian”, “sigmoid”, “cosine”} или вызываемый объект, по умолчанию=”linear”

Метрика, используемая при вычислении ядра между экземплярами в массиве признаков. Если metric — строка, она должна быть одной из метрик в pairwise.PAIRWISE_KERNEL_FUNCTIONS. Если metric имеет значение “precomputed”, X считается матрицей ядра. Кроме того, если metric — вызываемая функция, она вызывается для каждой пары экземпляров (строк), а полученное значение сохраняется. Вызываемая функция должна принимать два массива из X и возвращать значение, указывающее расстояние между ними.

pairwise_kernels_kwargsdict, по умолчанию=None

Все элементы этого словаря (если они есть) передаются в качестве именованных аргументов функции попарного ядра.

Примеры

>>> from sklearn.datasets import load_iris
>>> from sklearn.gaussian_process import GaussianProcessClassifier
>>> from sklearn.gaussian_process.kernels import PairwiseKernel
>>> X, y = load_iris(return_X_y=True)
>>> kernel = PairwiseKernel(metric='rbf')
>>> gpc = GaussianProcessClassifier(kernel=kernel,
...         random_state=0).fit(X, y)
>>> gpc.score(X, y)
0.9733
>>> gpc.predict_proba(X[:2,:])
array([[0.8880, 0.05663, 0.05532],
       [0.8676, 0.07073, 0.06165]])

__call__(X, Y=None, eval_gradient=False)[исходный код]

Возвращает ядро k(X, Y) и, при необходимости, его градиент.

Параметры:

Xndarray формы (n_samples_X, n_features)

Левый аргумент возвращаемого ядра k(X, Y)

Yndarray формы (n_samples_Y, n_features), по умолчанию=None

Правый аргумент возвращаемого ядра k(X, Y). Если None, вместо него вычисляется k(X, X).

eval_gradientbool, по умолчанию=False

Определяет, вычисляется ли градиент относительно логарифма гиперпараметра ядра. Поддерживается только при Y=None.

Возвращает:

Kndarray формы (n_samples_X, n_samples_Y)

Ядро k(X, Y)

K_gradientndarray формы (n_samples_X, n_samples_X, n_dims), необязательно

Градиент ядра k(X, X) относительно логарифма гиперпараметра ядра. Возвращается только если eval_gradient имеет значение True.

propertybounds

Возвращает логарифмически преобразованные границы для theta.

Возвращает:

boundsndarray формы (n_dims, 2)

Логарифмически преобразованные границы гиперпараметров ядра theta

clone_with_theta(theta)[исходный код]

Возвращает копию self с заданными гиперпараметрами theta.

Параметры:

thetandarray формы (n_dims,)

Гиперпараметры

diag(X)[исходный код]

Возвращает диагональ ядра k(X, X).

Результат этого метода идентичен np.diag(self(X)); однако его можно вычислить эффективнее, поскольку вычисляется только диагональ.

Параметры:

Xndarray формы (n_samples_X, n_features)

Левый аргумент возвращаемого ядра k(X, Y)

Возвращает:

K_diagndarray формы (n_samples_X,)

Диагональ ядра k(X, X)

get_params(deep=True)[исходный код]

Получает параметры этого ядра.

Параметры:

deepbool, по умолчанию=True

Если True, возвращает параметры этого оценщика и содержащихся в нём объектов, являющихся оценщиками.

Возвращает:

paramsdict

Имена параметров, сопоставленные их значениям.

propertyhyperparameters

Возвращает список спецификаций всех гиперпараметров.

is_stationary()[исходный код]

Возвращает признак стационарности ядра.

propertyn_dims

Возвращает количество незакреплённых гиперпараметров ядра.

propertyrequires_vector_input

Возвращает признак того, что ядро определено для векторов признаков фиксированной длины или произвольных объектов. Для обратной совместимости по умолчанию имеет значение True.

set_params(**params)[исходный код]

Задаёт параметры этого ядра.

Метод работает как с простыми, так и с вложенными ядрами. Для параметров последних используется формат <component>__<parameter>, позволяющий обновлять каждый компонент вложенного объекта.

Возвращает:

self

propertytheta

Возвращает незакреплённые гиперпараметры (сведённые в одномерный массив и преобразованные логарифмически).

Обратите внимание, что theta обычно содержит значения гиперпараметров ядра, преобразованные логарифмически: такое представление пространства поиска лучше подходит для поиска гиперпараметров, поскольку такие параметры, как масштабы длины, естественным образом задаются в логарифмической шкале.

Возвращает:

thetandarray формы (n_dims,)

Незакреплённые гиперпараметры ядра, преобразованные логарифмически